Lưu vực trên ở Colorado, Utah và Wyoming có thể gần giống với vùng Tây Nam khô cằn
Nghiên cứu mới dự đoán rằng những thay đổi về lượng tuyết tan trên núi sẽ chuyển dòng chảy đỉnh cao đến sớm hơn nhiều trong năm ở Lưu vực sông Colorado rộng lớn, làm thay đổi việc quản lý hồ chứa và tưới tiêu trên toàn bộ khu vực.
Katrina Bennett, nhà thủy văn tại Los Alamos National cho biết: “Do biến đổi khí hậu toàn cầu, các khu vực của Colorado, Utah và Wyoming có thể có ít nước hơn nhiều, và điều kiện thủy văn trong tương lai có thể gần giống với các khu vực Tây Nam khô cằn của lưu vực ngày nay”. Phòng thí nghiệm và đồng tác giả của giấy được công bố trên tạp chí Earth and Space Science.
Lưu vực này trải dài từ mực nước biển ở Vịnh California đến cao hơn 14,000 feet trong Dãy núi Rocky của Colorado và cung cấp nước quan trọng cho các thành phố và nông dân trong lưu vực và hơn thế nữa. Nước đáng kể được chuyển hướng đến các trung tâm dân cư lớn, bao gồm Albuquerque, Denver, Los Angeles, Salt Lake City, San Diego và Santa Fe.
Nghiên cứu của một nhóm Los Alamos sử dụng trí thông minh nhân tạo dự đoán băng tuyết sẽ biến mất hoàn toàn ở một số lưu vực phụ và tổn thất băng tuyết lớn ở những lưu vực khác.
Nhóm nghiên cứu cũng phát hiện ra rằng các khu vực có độ cao cao hơn của lưu vực được dự đoán sẽ có thể bị mất một lượng lớn băng tuyết khi nhiệt độ tiếp tục tăng lên. Đặc biệt là ở dãy núi Rocky ở thượng lưu sông Colorado, nhóm nghiên cứu đã tìm thấy những biến thể rõ rệt về mức độ thay đổi theo mùa và cường độ của dòng chảy trong tương lai.
Đặc biệt, nghiên cứu dự báo điều kiện khô cằn hơn ở Thung lũng sông Green gần biên giới Colorado, Utah và Wyoming; các khu vực miền núi ở Arizona sẽ thấy độ ẩm của đất giảm đi đáng kể.
Tuy nhiên, mô hình không phải là một quả cầu pha lê.
Bennett cho biết: “Chúng tôi đã quan sát thấy sự không chắc chắn đáng kể về hành vi hạn hán trong số một số mô hình khí hậu mà chúng tôi đã sử dụng.
AI sáng tạo xác định các khu vực có nhiều khả năng bị khô
Một mục tiêu của dự án là chứng minh một dạng AI được gọi là học máy không giám sát, giúp tăng tốc đáng kể việc phân tích dữ liệu khí hậu và thủy văn, giới thiệu một công cụ mới để sàng lọc thông qua các bộ dữ liệu khổng lồ để xác định các tính năng và xu hướng chính.
Nhóm nghiên cứu đã lấy các chỉ số hạn hán từ dữ liệu lịch sử và kết quả từ mô phỏng các kịch bản trong tương lai bằng một số mô hình khí hậu trong khoảng thời gian 30 năm. AI đã phân tích mô phỏng, sau đó tự động xác định các lưu vực phụ quan trọng với sự gia tăng hạn hán dự kiến lớn. Để quản lý các tập dữ liệu kết quả khổng lồ, AI đã giảm kích thước của chúng để xử lý nhanh chóng, xác định các lỗi có thể xảy ra và nhắm mục tiêu các phản hồi không lường trước được.
Bennett cho biết: “AI cho phép chúng ta tháo gỡ các mối quan hệ phức tạp trong không gian và thời gian giữa các chỉ số hạn hán và các yếu tố ảnh hưởng đến chúng. “Chúng tôi đã có thể chứng minh một khả năng mới để tự động cô lập những chỉ số chính này góp phần vào hạn hán ở đâu và hành vi sẽ thay đổi ở đâu và như thế nào trong tương lai.”
Phương pháp tiếp cận AI, được gọi là thừa số hóa ma trận không âm, đã được sử dụng rộng rãi để tự động trích xuất các tín hiệu ẩn trong các tập dữ liệu phức tạp trong khoa học trái đất, thiên văn học, sinh học và các ngành khác. Kỹ thuật này yêu cầu ít hoặc không có kiến thức trước hoặc thể chất người mẫu của hệ thống đang được phân tích.
Giấy: “Đặc trưng cho hành vi hạn hán ở lưu vực sông Colorado bằng cách sử dụng Máy học không giám sát” của Carl J. Talsma, Katrina E. Bennett và Velimir V. Vesselinov, trong Khoa học Trái đất và Không gian. https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2021EA002086
Nguồn vốn: Chương trình Nghiên cứu và Phát triển do Phòng thí nghiệm chỉ đạo tại Phòng thí nghiệm Quốc gia Los Alamos.
Đánh giá cao sự độc đáo của CleanTechnica? Xem xét trở thành một Thành viên, Người hỗ trợ, Kỹ thuật viên hoặc Đại sứ của CleanTechnica - hoặc một khách hàng quen trên Patreon.
